数据驱动的热轧带钢边部线状缺陷智能预报模型

 边部线状缺陷是热轧带钢易发缺陷,不仅严重影响成材率,还可能对热轧下游工序生产过程造成影响。边部线状缺陷的影响因素复杂多变,建立精确的机理预报模型十分困难。为此,首先分析边部线状缺陷的主要影响因素;然后以智能方法为基础,分别建立了基于逻辑回归与神经网络的边部线状缺陷智能预报模型,并分析了2个模型的精度与泛化能力;最后,以神经网络智能预报模型为基础,对加热工艺参数进行优化,使缺陷发生率与封闭率均大幅降低。研究结果对提高热轧带钢表面质量具有实践意义,可推广应用于同类轧线。